研究顯示：59%組織缺乏資源來滿足生成式AI創(chuàng)新的期望

　　一項最近的研究揭示了 Fortune1000(F-1000)企業(yè)在采用生成式人工智能(generative AI)方面的情況。這項由開源 AI 解決方案公司 ClearML 與 AI 基礎設施聯(lián)盟(AIIA)合作進行的研究揭示了高管面臨的挑戰(zhàn)和資源不足問題。

　　據(jù)全球調查顯示，根據(jù)這項全球研究，59% 的高管缺乏必要的資源來滿足企業(yè)領導層對生成式人工智能創(chuàng)新的期望。預算限制和有限的資源成為企業(yè)成功采用人工智能的關鍵障礙，阻礙了有形價值的創(chuàng)造。

　　研究還發(fā)現(xiàn)，66% 的受訪者無法完全衡量其AI/ML項目對利潤的影響和投資回報 (ROI) 。這凸顯了大型企業(yè)中資金不足、人員不足和管理不足的人工智能、機器學習和工程團隊根本無法有效量化結果。

　　調查還發(fā)現(xiàn)，企業(yè)對人工智能和機器學習投資的收入期望越來越高。超過半數(shù)的受訪者(57%)表示，他們的董事會預計在未來財年從這些投資中獲得兩位數(shù)的增長，而37% 預計增長率為個位數(shù)。

　　生成式人工智能的采用情況

　　根據(jù)該研究，大多數(shù)受訪者認為釋放人工智能和機器學習用例來創(chuàng)造商業(yè)價值至關重要。81%的受訪者將其視為最優(yōu)先事項或三大優(yōu)先事項之一。

　　此外，78% 的企業(yè)計劃在2023財年采用 xGPT/LLM/生成式人工智能作為其人工智能轉型計劃的一部分，另有9% 的企業(yè)計劃在2024年開始采用，使總數(shù)達到87%。

　　受訪者也幾乎一致 (88%) 同意其組織計劃實施針對跨企業(yè)業(yè)務部門采用和使用生成式人工智能的政策。

　　盡管生成式人工智能和機器學習在企業(yè)中是一個關鍵的收入和創(chuàng)新引擎，59% 的高管缺乏充足的資源來滿足商業(yè)領導層對生成式 AI 創(chuàng)新的期望。

　　他們面臨預算和資源限制，阻礙了采用和價值創(chuàng)造。具體來說，在構建、執(zhí)行和管理人工智能和機器學習流程時，人員、流程和技術都是 F-1000和大型企業(yè)高管確定的關鍵痛點:

　　42% 的受訪者表示迫切需要人才，尤其是人工智能和機器學習專家，以推動成功。

　　另外28% 的受訪者將技術視為主要障礙，表明缺乏統(tǒng)一的軟件平臺來管理其組織 AI/ML 流程的各個方面。

　　22% 的受訪者將時間視為主要挑戰(zhàn)，表示在數(shù)據(jù)收集、準備和手動管道構建上花費了過多的時間。

　　阻礙生成式人工智能采用的主要挑戰(zhàn)

　　調查揭示了生成式人工智能采用中的一些主要挑戰(zhàn)，包括定制和靈活性、數(shù)據(jù)保護、治理、安全與合規(guī)性以及性能和成本。AI 和生成式 AI 治理的關注不斷上升，導致了嚴重的財務和經(jīng)濟后果。

　　研究發(fā)現(xiàn)，54% 的首席數(shù)據(jù)官、首席執(zhí)行官、首席信息官、人工智能主管和首席技術官表示，他們未能治理人工智能/機器學習應用程序給企業(yè)帶來了損失，而63% 的受訪者表示，由于人工智能/機器學習應用程序治理不力，損失達5000萬美元或更多。

　　當被問及在企業(yè)和業(yè)務部門中采用生成式 AI/LLMs/xGPT 解決方案時的主要挑戰(zhàn)和障礙時，受訪者確定了五個主要挑戰(zhàn)，包括定制和靈活性、數(shù)據(jù)保留、治理、安全與合規(guī)性以及性能和成本。因此，企業(yè)需要增加對生成式 AI 的投資，并尋求集中的端到端平臺，以提高可見性、無縫集成和低代碼，從而推動生成式 AI 的采用。